/ Модель

Характеристики

Контекст
8 192 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
MIT
Архитектура
llama · dense
Базовая модель
Meta-Llama-3-8B-Instruct
Библиотека
transformers
Опубликована
31 июл 2025

NPO-SAM-WMDP-llama3-8b-instruct

Генерация текстаТекст → текст3 профессии

Экспериментальная версия Llama 3 8B Instruct с NPO и SAM для исследования удаления биологических знаний WMDP и устойчивости забывания.

749скачиваний за 30 дней0лайковвеса обновлены31 июл 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

OPTML-Group выпустила экспериментальный вариант Meta-Llama-3-8B-Instruct, дообученный для удаления знаний из набора WMDP-Bio. В модели применён метод NPO с оптимизацией Sharpness-Aware Minimization (SAM); работа описана в статье «Towards LLM Unlearning Resilient to Relearning Attacks: A Sharpness-Aware Minimization Perspective and Beyond». Это плотная авторегрессионная модель семейства Llama с 7,5 млрд параметров и контекстом до 8192 токенов, предназначенная для генерации текста и диалогов на английском языке.

Модель представляет исследовательский интерес для изучения машинного забывания и устойчивости к атакам на восстановление удалённых знаний, в частности в биологической части WMDP. Она загружается через Transformers, веса хранятся в формате safetensors. Лицензия — MIT.

Сценарии применения

  • исследование удаления биологических знаний из языковой модели
  • сравнение методов машинного забывания на WMDP-Bio
  • изучение устойчивости забывания к повторному извлечению знаний
  • эксперименты с генерацией диалогового текста на английском языке

Ограничения

Модель настроена на забывание знаний из WMDP-Bio, поэтому её ответы по соответствующим биологическим темам могут быть намеренно ограничены или изменены. README не приводит количественной оценки качества или устойчивости забывания.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NPO-Unlearned w/ SAM Model on Task "WMDP"

Model Details

Loading the Model

import torch
from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained("OPTML-Group/NPO-SAM-LLAMA3-WMDP", torch_dtype=torch.bfloat16, trust_remote_code=True)

Citation

If you use this model in your research, please cite:

@article{fan2025towards,
  title={Towards LLM Unlearning Resilient to Relearning Attacks: A Sharpness-Aware Minimization Perspective and Beyond},
  author={Fan, Chongyu and Jia, Jinghan and Zhang, Yihua and Ramakrishna, Anil and Hong, Mingyi and Liu, Sijia},
  journal={arXiv preprint arXiv:2502.05374},
  year={2025}
}

Reporting Issues

Reporting issues with the model: github.com/OPTML-Group/Unlearn-Smooth

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
5214c4e

0 моделей